打造高效能交付团队，为客户提供极致价值服务

「效率」是2019年的关键词之一。

今年年初，谢总在开工的首篇文章中写道：用“高绩效”标签新一年  >>不恋既往，纵身向前，用“高绩效”标签新一年。不论是数据价值还是客户服务，“降本增效”都需要高效率来实现，高效率的重要性不言而喻，尤其是对于长期扎根一线，直面客户的交付团队来说。

一路走来，交付团队在不断地发现问题和解决问题中成长着...

针对这一系列问题，小拓深入采访了交付中心的三位负责人，从不同角度首次揭秘未来交付团队的成长之路。

“将”来才有“将来”，德拓一直很看重人的发展，一直将精英文化放在很重要的位置上。

交付团队整体偏年轻有拼劲，能够胜任高强度的工作岗位；并且，项目团队上满3年的开发工程师即可申请加入产品研发团队，这是因为交付团队实践的经验对于需求的理解、用户价值的发掘都具有独特视角，“血液回流”能够打造离用户最近的产品，这都是交付团队的优势。

但随着公司的快速发展，交付团队人员也不断增加，目前华东、华北、西南、西北四个交付团队总人数已达100多人，团队成长中的一些问题也显现出来：

团队的梯层建设还是没有衔接，中高级管理匮乏；目前管理层级中只涉及4个区域经理级别，人员基数不断上升情况下，一定程度上减弱了管理者对于个体的关心；

在用人方面之前的打法首先是基于当下，满足新项目拓展，满足项目中的角色而储备招聘人员，并没有从人员的统筹规划、沉淀等方面进行设计，团队岗位分工局限在项目经理、开发人员，与组织需求的人才梯队有一定差距；

而人，是企业的灵魂，尤其是对于德拓的交付团队而言，90后占据了极大的比例，这对于公司来说，既是非常重要的资源，也在人员管理上增加了一定的难度。针对这个问题，春花老师提出了“发挥领袖的影响力”，“关注个体需求”以及“心智的激励”三项措施具有很大的指导作用  >> 陈春花：企业如何激活90后、95后员工，具体到我们的交付团队，他们提出了以下方法：

本月起将在华东区试点人员管理层级的下沉，组长负责团队内个体人员的考核和绩效管理，关注人员成长，注重组织中的个体需求，使个体目标与团队目标、组织目标吻合，进一步提升个体效率；

效率的提升脱离不了基础管理学，因此需要加强中层管理者的扩展与培训；

在人员招聘上，近两年不断提高学历要求，更注重人员综合能力考评，力求找到与团队文化和价值观更契合的人才，同时，进一步强调企业人文，每一个进入企业的员工应该明知：我们是什么企业，我们即将做什么，将来给我带来什么；

在人员培养上，团队将与业务、研发团队做更紧密配合，面向业务一线项目方案的实施评估、重点项目前期调研、交流等团队人员扩充，数据治理模块的更专业型人才输出给组织与市场；偏应用开发团队也将更注重往行业、专业化方向上倾斜。

除了在人员管理方面的问题，交付团队所面临的的另一难题是项目运行中所存在的流程不完善、不规范，技术沉淀难等问题，使得在项目交付中，成本提高了，但顾客价值并没有做到极致。

对于交付团队而言，过去，每一个项目都宛如一个新产品的研发，从了解客户需求、制定项目方案、实施项目内容...都需要投入大量的人力、物力，交付人员的流动、项目需求的临时变更，都会导致项目进行缓慢或延期，不仅造成了成本上的增加，也给客户造成了不便。交付团队主要存在的问题有如下几点：

交付项目中， 通常采用驻场定制开发的方式，顺应客户需求差异化、贴近客户随需而变，这种方式容易陷入一种误区：从需求调研、到架构选型、方案设计、开发实现、测试验收等，都过多依赖有历史项目经验的人的深度投入和指导产出，缺乏对历史积累的知识借鉴，缺乏对共性产物的软件复用；

在此前发布交付流程指南初版，设定技术开发规范、技术部门技术小组之后，在一定程度上起到了指南和系统化的作用。但在执行过程中，缺乏持续优化和有力监督，并没有使之发挥理想的价值；

今年新设立了交付中心技术支持部，目的就是为了能够不断地规范交付项目规范，技术提升。作为该部门新任的负责人，在此前的采访中，葛兵提出了“希望能够尽快的实现并保证项目全周期能有一套规范的流程”的目标  >> 企业成长 | 德拓再出发，下一站，数据智能的未来，现在，他提出了更为具体的对策：

对交付流程的各个阶段划分已有明确定义：售前/商务，驻场/需求，设计，开发，测试，验收，运维。各阶段的工作产物的规范化标准化输出文档；

具体来说，首先结合交付项目的特点，按照各阶段输出文档的必要性和重要程度，选定、设计和评审发布一批文档模板；然后组织各项目的培训，对文档用法做好指导，再由项目经理监督实施，按模板来输出具体内容，评审保障质量，统一归档管理。

这样可以在交付项目推进过程中实现上下游信息的清晰高效传递以及项目之间相似需求的便捷借鉴；

虽然从各项目表面上来看，属于强定制化的、各有不同的开发，但由于都处于我们所聚焦的大数据加工和分析洞察领域，里面所用到的技术栈、知识点、软件架构、产品功能等，都有很多相似共通之处，提炼和沉淀这些相似共通之处，使其变得可复用，因此，技术部门可专门成立小组做相关技术沉淀、常规模型沉淀等，具体为：

① 技术实践知识的参考文档：把常用的技术实践知识，如数据采集和治理、分析和应用方面，提炼成为”通用方法+实践案例“的参考指南文档，并组织全员、专题培训学习某项技术实践知识，便于各项目学习掌握和复用实施；

② 数据分析模型的小产品：结合各种业务场景的数据分析模型，化整为零、细化提炼出一个个可配置化的、可被单独调度执行的“数据分析算子”单元，使得具体交付项目上、可以利用单元组装+DS管理调度的方式，更高效开发定制出适应该项目场景的数据分析模型。并且，前方项目新定制新组装的数据分析模型，还可以回到后方归档沉淀，分享供其他项目使用。